SPARGen：通过原生多模态生成统一空间感知与推理
SPARGen 是一个多模态框架，将 3D 重建、密集对应和空间推理统一为指令条件生成任务。该方法把紧凑的结构化输出和语言输出序列化为标记序列，同时生成与图像对齐的密集几何场，使空间监督能够共同塑造原生多模态生成模型中的共享表示。在 3D 重建、对应关系和空间推理基准测试中，SPARGen 通过单一框架在多种空间任务上取得了具有竞争力的性能。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。